RU2788589C9 - Method for adapting an antenna array by a gradient procedure with variable pitch - Google Patents
Method for adapting an antenna array by a gradient procedure with variable pitch Download PDFInfo
- Publication number
- RU2788589C9 RU2788589C9 RU2021137119A RU2021137119A RU2788589C9 RU 2788589 C9 RU2788589 C9 RU 2788589C9 RU 2021137119 A RU2021137119 A RU 2021137119A RU 2021137119 A RU2021137119 A RU 2021137119A RU 2788589 C9 RU2788589 C9 RU 2788589C9
- Authority
- RU
- Russia
- Prior art keywords
- antenna array
- matrix
- gradient
- vector
- procedure
- Prior art date
Links
Images
Abstract
Description
Изобретение относится к области связи, в частности к радиотехническим беспроводным коммуникационным системам, а более конкретно к способам обработки сигналов в адаптивных антенных решетках (АР).The invention relates to the field of communications, in particular to radio wireless communication systems, and more specifically to methods for signal processing in adaptive antenna arrays (ARs).
Адаптивные антенны (в иностранной литературе иногда «смарт-антенна») - это такой тип антенных систем, параметры которых изменяются автоматически с целью обеспечения наилучшего условия приема полезного сигнала на фоне изменяющихся мешающих внешних воздействий [1-3].Adaptive antennas (in foreign literature sometimes "smart antenna") are a type of antenna systems whose parameters change automatically in order to provide the best conditions for receiving a useful signal against the background of changing interfering external influences [1-3].
Основными элементами адаптивной антенны являются: антенная решетка, диаграммообразующая схема и блок адаптивного управления диаграммой направленности (ДН) [3]. Сигналы, принятые отдельными антеннами системы, проходят через устройства, регулирующие их амплитуду и фазу, и складываются в сумматоре, каждый со своим весовым коэффициентом (w1, w2, wn). Блок адаптивного управления ДН осуществляет подстройку весовых коэффициентов в диаграммообразующей схеме. В адаптивном процессоре, в свою очередь, выделяют процессор сигнала и устройство, реализующее процедуру управления. Для каждой антенны при заданной сигнально-помеховой обстановке существует оптимальный вектор весовых коэффициентов (Wопт) (ВВК), однозначно связанный с формируемой ДН АР [1-3].The main elements of an adaptive antenna are: an antenna array, a beam-forming circuit, and a block for adaptive control of the directivity pattern (DN) [3]. The signals received by the individual antennas of the system pass through devices that regulate their amplitude and phase and are added in an adder, each with its own weighting factor (w 1 , w 2 , w n ). The DP adaptive control unit adjusts the weight coefficients in the diagram-forming circuit. In the adaptive processor, in turn, there is a signal processor and a device that implements the control procedure. For each antenna with a given signal-interference situation, there is an optimal vector of weight coefficients (W opt ) (VVK), uniquely associated with the formed AP AR [1-3].
Одной из главных характеристик адаптивной АР, определяющих качество обработки сигналов, является вид и параметры адаптивной процедуры формирования ВВК. Поскольку характер принимаемых сигналов и направление прихода заранее обычно неизвестны, адаптивный процессор должен автоматически подстраиваться к любым изменениям условий приема сигналов. Основной задачей адаптивного процессора является подстройка весовых коэффициентов, при которых оптимизируется определенный критерий эффективности, и формируется требуемая ДН АР.One of the main characteristics of the adaptive array that determines the quality of signal processing is the type and parameters of the adaptive procedure for generating IVC. Since the nature of the received signals and the direction of arrival are usually not known in advance, the adaptive processor must automatically adjust to any changes in the signal reception conditions. The main task of the adaptive processor is to adjust the weight coefficients, at which a certain efficiency criterion is optimized, and the required RP AR is formed.
Адаптивный процессор осуществляет подстройку ВВК для каждого элемента АР. Изменение ВВК от исходного значения до оптимального может происходить по различным траекториям, вид которых зависит от многих факторов, в первую очередь, от выбранного критерия качества адаптации и метода поиска экстремума.The adaptive processor adjusts the VVC for each element of the AR. The change in IVC from the initial value to the optimal one can occur along various trajectories, the form of which depends on many factors, first of all, on the chosen criterion of the quality of adaptation and the method of searching for the extremum.
Известны различные технические решения с градиентными способами обработки разнородных входных параметров.There are various technical solutions with gradient methods for processing heterogeneous input parameters.
Так, известен патент РФ на изобретение №2325044 (МПК G06K 9/46, опубл. 20.05.2008) «Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения». Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения заключается в том, что для всех пикселей растрового изображения по заранее выбранному способу вычисляют норму или квадрат нормы градиента изменения их яркости, затем на новой черно-белой монохромной матрице черным цветом на белом фоне выделяют все элементы, у которых значение нормы или квадрата нормы градиента больше некоторого порогового значения, а в качестве контуров объектов на монохромной матрице принимают связные конфигурации элементов черного цвета. Для выбранного способа вычисления градиента экспериментально определяют коэффициент, затем рассчитывают пороговое значение квадрата нормы градиента как произведение данного коэффициента на сумму квадратов средних величин модулей изменения яркости соседних пикселей по строкам и столбцам, у которых значения превышают общие средние уровни ненулевых изменений соответственно по строкам и столбцам, а среди связных конфигураций элементов черного цвета на монохромной матрице сразу отбрасывают конфигурации, у которых число входящих элементов менее 5-7 элементов, для оставшихся конфигураций вычисляют среднюю степень соседства - частное от деления суммы по всем элементам конфигурации соседних с ним элементов на сумму элементов в конфигурации, причем те конфигурации, у которых средняя степень соседства менее 3, отбрасывают, как погрешности распознавания, а оставшиеся принимают в качестве искомых контуров объектов.Thus, the patent of the Russian Federation for the invention No. 2325044 (IPK G06K 9/46, published on May 20, 2008) “Gradient method for selecting the contours of objects on a matrix of a halftone raster image” is known. The gradient method of selecting the contours of objects on a matrix of a halftone raster image consists in the fact that for all pixels of a raster image, the norm or square of the norm of the gradient of their brightness change is calculated according to a pre-selected method, then all elements are selected on a new black-and-white monochrome matrix in black on a white background , for which the value of the norm or the square of the norm of the gradient is greater than a certain threshold value, and connected configurations of black elements are taken as the contours of objects on a monochrome matrix. For the chosen method of calculating the gradient, the coefficient is experimentally determined, then the threshold value of the square of the gradient norm is calculated as the product of this coefficient by the sum of the squares of the average values of the modules of brightness change of neighboring pixels in rows and columns, for which the values exceed the total average levels of non-zero changes, respectively, in rows and columns, and among the connected configurations of black elements on a monochrome matrix, configurations are immediately discarded, in which the number of incoming elements is less than 5-7 elements, for the remaining configurations, the average degree of neighborhood is calculated - the quotient of dividing the sum over all elements of the configuration of elements adjacent to it by the sum of the elements in the configuration , and those configurations in which the average degree of neighborhood is less than 3 are discarded as recognition errors, and the remaining ones are taken as the desired object contours.
Известен градиентный способ выделения контуров объектов на матрице полутонового растрового изображения [Андреев А.Л. Автоматизированные телевизионные системы наблюдения. Часть П. Арифметико-логические основы и алгоритмы. Уч. пособие. СПб, СПбГУИТМО, 2005, с. 35-38. http://window.edu.ru/window/library], заключающийся в том, что для всех пикселей растрового изображения по заранее выбранному способу вычисляется норма или квадрат нормы градиента изменения их яркости, затем на новой черно-белой монохромной матрице черным цветом на белом фоне выделяют все элементы, у которых значение нормы или квадрата нормы градиента больше некоторого порогового значения, а в качестве контуров объектов на монохромной матрице принимают связные конфигурации элементов черного цвета.There is a gradient method for selecting the contours of objects on a matrix of a halftone bitmap image [Andreev A.L. Automated television surveillance systems. Part P. Arithmetic and logical bases and algorithms. Uch. allowance. SPb, SPbGUITMO, 2005, p. 35-38. http://window.edu.ru/window/library], which consists in the fact that for all pixels of a raster image, according to a pre-selected method, the norm or square of the norm of the gradient of their brightness change is calculated, then on a new black-and-white monochrome matrix in black white background allocate all the elements for which the value of the norm or the square of the norm of the gradient is greater than a certain threshold value, and connected configurations of black elements are taken as the contours of objects on a monochrome matrix.
Патент РФ на изобретение №2695417 (МПК G06K 9/48, опубл. 23.07.2019) «Способ помехоустойчивого градиентного выделения контуров объектов на цифровых полутоновых изображениях». Способ помехоустойчивого градиентного выделения контуров объектов на цифровых полутоновых изображениях, при котором формируют две матрицы и компонент градиента яркости в каждой точке изображения, определяют модуль градиента яркости в каждой точке изображения, формируют контуры объекта путем порогового преобразования модуля градиента яркости, в процессе которого на новой белой матрице черным цветом выделяют элементы, модуль градиента для которых в соответствующих координатах изображения превышает порог преобразования. Перед формированием матриц и компонент градиента яркости с учетом уровня зашумленности изображения выбирают коэффициент сглаживания и вычисляют коэффициенты сглаживающих кубических В-сплайнов вдоль каждой строки и каждого столбца изображения, а две матрицы и компонент градиента яркости в каждой точке изображения формируют путем суммирования сглаживающих параболических В-сплайнов с найденными ранее коэффициентами сглаживающих кубических В-сплайнов для строк и столбцов соответственно.RF patent for the invention No. 2695417 (MPK G06K 9/48, published on 07/23/2019) “Method for noise-resistant gradient selection of object contours in digital halftone images”. A method for noise-resistant gradient extraction of object contours on digital halftone images, in which two matrices and a brightness gradient component are formed at each point of the image, the module of the brightness gradient is determined at each point of the image, the contours of the object are formed by thresholding the module of the brightness gradient, during which on a new white elements are highlighted in black in the matrix, the gradient modulus for which in the corresponding image coordinates exceeds the transformation threshold. Before the formation of matrices and components of the brightness gradient, taking into account the level of image noise, a smoothing coefficient is selected and the coefficients of smoothing cubic B-splines along each row and each column of the image are calculated, and two matrices and a component of the brightness gradient at each point of the image are formed by summing smoothing parabolic B-splines with the previously found coefficients of smoothing cubic B-splines for rows and columns, respectively.
Известен способ помехоустойчивого градиентного выделения контуров объектов на цифровых полутоновых изображениях (патент РФ №2648954, МПК G06K 9/48, опубл. 15.08.2017), заключающийся в том, что сначала вычисляют прямое вейвлет-преобразование строк и столбцов цифрового полутонового изображения, а затем формируют две матрицы и компонент градиента яркости в каждой точке изображения путем обратного вейвлет преобразования, в котором в качестве ядра преобразования используют аналитические функции, описывающие производные используемых вейвлетов обратного преобразования по соответствующим координатам. После этого определяют модуль градиента яркости в каждой точке изображения, и формируют контуры объекта путем порогового преобразования модуля градиента яркости, в процессе которого на новой белой матрице черным цветом выделяют элементы, модуль градиента, для которых в соответствующих координатах изображения превышает порог преобразования.A method is known for noise-resistant gradient selection of object contours on digital halftone images (RF patent No. 2648954, IPC G06K 9/48, publ. 08/15/2017), which consists in the fact that first a direct wavelet transform of rows and columns of a digital halftone image is calculated, and then two matrices and a component of the brightness gradient at each point of the image are formed by inverse wavelet transformation, in which analytical functions are used as the transformation kernel, describing the derivatives of the used inverse transformation wavelets with respect to the corresponding coordinates. After that, the brightness gradient module is determined at each point of the image, and the contours of the object are formed by threshold transformation of the brightness gradient module, during which elements are highlighted in black on the new white matrix, the gradient module for which in the corresponding image coordinates exceeds the transformation threshold.
Недостатком является то, что вычисление прямого вейвлет-преобразования строк и столбцов цифрового полутонового изображения требует больших вычислительных затрат. Кроме того, известный способ демонстрирует слабую устойчивость к воздействию импульсных помех.The disadvantage is that calculating the direct wavelet transform of the rows and columns of a digital grayscale image is computationally expensive. In addition, the known method demonstrates poor resistance to impulse noise.
Одним их наиболее распространенных способов обработки разнородных входных параметров адаптивных АР в радиотехнических беспроводных коммуникационных системах является способ оптимального по критерию минимума среднеквадратической ошибки (МСКО) между принимаемым и эталонным (опорным) сигналом [1-3]. Для осуществления нормальной работы контура адаптации, возникает задача задания или выделения опорного сигнала, наиболее близкого, например, в какой-либо метрике к полезному, что решается либо использованием способов синхронизации, либо выделением опорного сигнала из полезного, в случае, если полезный сигнал имеет сложную структуру (такие решения известны для фазоманипулированных сигналов псевдослучайными последовательностями, сигналов с псевдослучайной перестройкой рабочей частоты и некоторых других) [4].One of the most common methods for processing heterogeneous input parameters of adaptive antenna arrays in radio engineering wireless communication systems is the method of optimal by the criterion of minimum mean square error (MSE) between the received and reference (reference) signal [1-3]. To carry out the normal operation of the adaptation loop, the task arises of setting or extracting the reference signal that is closest, for example, in some metric to the useful one, which is solved either by using synchronization methods or by extracting the reference signal from the useful one, if the useful signal has a complex structure (such solutions are known for phase-shift keyed signals with pseudo-random sequences, signals with pseudo-random tuning of the operating frequency, and some others) [4].
В способе МСКО реализовано рекуррентное вычисление оценок ВВК . Вектор w находится в результате решения оптимизационной задачи - поиска минимума целевой функции F1(k, w), зависящей от времени. Для поиска минимума функции F1(k, w) наиболее часто используют градиентный метод (метод наискорейшего спуска) - итерационную процедуру, определяющую траекторию пошагового приближения к минимуму, где шагам итерации соответствуют моменты дискретного времени к. На каждом шаге итерации оценивается вектор , смещаемый относительно вектора на величину, пропорциональную градиенту функции F1(k, w) в точке k.The ISCED method implements recurrent calculation of IVC estimates . The vector w is found as a result of solving the optimization problem - finding the minimum of the objective function F 1 (k, w), which depends on time. To find the minimum of the function F 1 (k, w), the gradient method (the steepest descent method) is most often used - an iterative procedure that determines the trajectory of stepwise approximation to the minimum, where iteration steps correspond to discrete time moments k. At each iteration step, the vector is estimated , shifted relative to the vector by a value proportional to the gradient of the function F 1 (k, w) at the point k.
Известный способ с использованием итерационной процедуры вычисления оценок параметров АР по критерию МСКО включает следующие шаги:A well-known method using an iterative procedure for calculating estimates of AR parameters according to the MSCED criterion includes the following steps:
шаг 1 - присвоить k=0 и задать начальные значения оценок параметров АР ;step 1 - assign k=0 and set the initial values of the AR parameter estimates ;
шаг 2 - вычислить значения выходного сигнала yk и сигнала ошибкиstep 2 - calculate the values of the output signal y k and the error signal
; ek=dk - yk; ; e k =d k - y k ;
шаг 3 - обновить оценки параметров ;step 3 - update parameter estimates ;
шаг 4 - присвоить k=k+1;step 4 - assign k=k+1;
шаг 5 - повторить процедуру вычисления оценок параметров АР: перейти на шаг 2-4.step 5 - repeat the procedure for calculating the estimates of the AR parameters: go to step 2-4.
Несмотря на простоту известного способа, анализ сходимости оценок параметров к оптимальным параметрам wopt, получаемым из винеровского решения [1-3], сводится к выбору величины шага адаптации μ, гарантирующему сходимость результатов. Под сходимостью в известном способе понимается приближение значений оценок параметров к значениям wopt. В процессе адаптации они будут флюктуировать относительно значений wopt, хаотично приближаясь к ним, но никогда не достигнут этих значений, даже при k → ∞. Поэтому, при выборе шага адаптации μ анализируется сходимость средних (математических ожиданий) и средних квадратов (дисперсий) значений вектора , которые сводятся к соответствующим значениям вектора wopt. В первом случае, говорят о сходимости в среднем, а во втором - в среднем квадрате. В режиме дисперсии сигнала ошибки АР с процедурой МСКО будет больше минимального достижимого в фильтре Винера, т.к. значения вектора не достигают значений вектора wopt, и ее значение будет зависеть от шага адаптации. Поэтому, шаг адаптации выбирается из компромиссных соображений: чем больше μ, тем выше скорость сходимости; чем больше μ., тем больше дисперсия сигнала ошибки (по сравнению с фильтром Винера). Обычно значение μ равняется половине максимального шага 1/NP. В случае если мощность сигнала Р невозможно оценить заранее, или оно меняется в процессе обработки сигнала, применяют нормированную процедуру МСКО (NLMS) с шагом адаптации, нормированным к входному. Процедура NLMS имеет меньший уровень средней ошибки по сравнению с обыкновенной процедурой МСКО.Despite the simplicity of the known method, the convergence analysis of parameter estimates to the optimal parameters w opt obtained from the Wiener solution [1-3] is reduced to the choice of the adaptation step μ, which guarantees the convergence of the results. Convergence in the known method is understood as the approximation of the values of parameter estimates to the values of w opt . In the process of adaptation, they will fluctuate relative to the values of w opt , randomly approaching them, but will never reach these values, even for k → ∞. Therefore, when choosing the adaptation step μ, the convergence of the mean (mathematical expectations) and mean squares (variances) of the vector values is analyzed , which are reduced to the corresponding values of the vector w opt . In the first case, they speak of convergence on the average, and in the second - in the mean square. In the error signal dispersion mode, the AR with the MMSE procedure will be greater than the minimum achievable in the Wiener filter, because vector values do not reach the values of the w opt vector, and its value will depend on the adaptation step. Therefore, the adaptation step is chosen from compromise considerations: the larger μ, the higher the convergence rate; the larger μ., the greater the dispersion of the error signal (compared to the Wiener filter). Usually the value of μ is equal to half of the
Техническая проблема в рассматриваемой сфере заключается в низкой скорости сходимости процедуры адаптации АР. В предлагаемом решении названная проблема решается за счет уменьшения итераций, требуемых для сходимости процедуры к установившемуся состоянию. Для этого в градиентной процедуре адаптации вводится переменный вектор коэффициентов усиления, зависящий от коэффициента забывания.The technical problem in this area is the low rate of convergence of the AR adaptation procedure. In the proposed solution, this problem is solved by reducing the iterations required for the procedure to converge to a steady state. To do this, in the gradient adaptation procedure, a variable vector of gain factors is introduced, which depends on the forgetting factor.
Технический результат предлагаемого решения состоит в увеличении скорости сходимости процедуры адаптации антенной решетки за счет уменьшения итераций.The technical result of the proposed solution is to increase the rate of convergence of the antenna array adaptation procedure by reducing iterations.
Достигается технический результат тем, что в предлагаемом способе адаптации антенной решетки градиентной процедурой с переменным шагом, в котором определенным образом выбираются начальные условия для градиентной процедуры в виде нулевых значений весового вектора и единичной мгновенной оценки матрицы входных сигналов, с последующим итерационным вычислением выходного сигнала, сигнала ошибки, коэффициента усиления линейного рекуррентного фильтра, согласно изобретению, введен переменный вектор коэффициентов усиления, зависящий от коэффициента забывания, учитывающий предшествующие отсчеты входного сигнала в критерии с экспоненциально уменьшаемым весом. Кроме того, вычисляется мгновенное значение оценки матрицы входных сигналов и весового вектора, определяющего мгновенную диаграмму направленности антенной решетки, с учетом выбираемого из условия принадлежности к диапазону от нуля до единицы коэффициента забывания, при вычислении коэффициента усиления и мгновенного значения оценки матрицы входных сигналов.The technical result is achieved by the fact that in the proposed method of adapting the antenna array by a gradient procedure with a variable step, in which the initial conditions for the gradient procedure are selected in a certain way in the form of zero values of the weight vector and a single instantaneous estimate of the matrix of input signals, followed by iterative calculation of the output signal, signal error, gain factor of the linear recurrent filter, according to the invention, a variable vector of gain factors is introduced, depending on the forgetting factor, taking into account the previous samples of the input signal in the criterion with exponentially decreasing weight. In addition, the instantaneous value of the estimate of the matrix of input signals and the weight vector that determines the instantaneous radiation pattern of the antenna array are calculated, taking into account the forgetting coefficient selected from the condition of belonging to the range from zero to one, when calculating the gain and the instantaneous value of the estimate of the matrix of input signals.
В способе, реализующим процедуру RLS (Recursive Least Squares, рекурсивный способ по критерию наименьших квадратов), являющимся наиболее близким к предлагаемому способу, соответственно, принятом за прототип [5, с. 478-484], реализуется рекуррентное вычисление оптимальных параметров весовых коэффициентов Wk в установившемся режиме. В качестве наилучшего приближения выходного сигнала yk к образцовому dk используется минимум суммы квадратов сигнал ошибки ek In the method that implements the RLS procedure (Recursive Least Squares, recursive method according to the least squares criterion), which is the closest to the proposed method, respectively, taken as a prototype [5, p. 478-484], the recursive calculation of the optimal parameters of the weight coefficients W k is implemented in the steady state. The minimum sum of squares error signal e k is used as the best approximation of the output signal y k to the reference d k
, ,
где L - длина входного сигнала Xk, w - вектор весовых коэффициентов. Вектор w находится в результате решения оптимизационной задачи - поиска минимума целевой функции F2(W), не зависящей от времени:where L is the length of the input signal X k , w is the vector of weights. The vector w is found as a result of solving the optimization problem - finding the minimum of the objective function F 2 (W), which does not depend on time:
. .
Минимум функции F2(w) достигается при равенстве нулю частных производных по всем wn в момент времени k. Их совокупность можно записать в виде системы линейных алгебраических уравнений следующего вида:The minimum of the function F 2 (w) is achieved when the partial derivatives with respect to all w n are equal to zero at time k. Their totality can be written as a system of linear algebraic equations of the following form:
. .
Заменим n на m вне скобок и разделим обе части равенства на 2:Replace n with m outside the brackets and divide both sides of the equation by 2:
. .
После переноса суммы с неизвестными параметрами wn в левую часть и изменения порядка суммирования получим:After transferring the sum with unknown parameters w n to the left side and changing the order of summation, we get:
. .
Полагая начальные условия нулевыми (Xk-n=0, k - n < 0), запишем (*) в матричном виде левую часть:Assuming the initial conditions to be zero (X kn =0, k - n < 0), we write (*) in matrix form the left side:
и аналогично правую:and similarly on the right:
Тогда:Then:
Определим значение вектора wk в момент времени k:Let us determine the value of the vector w k at time k:
где матрица Xk и вектор dk вычисляются на текущем интервале [0; k]. Для следующего момента времени (k+1):where matrix X k and vector d k are calculated on the current interval [0; k]. For the next point in time (k+1):
В этом случае в матрице Xk появится дополнительный столбец xk+1:In this case, an additional column x k+1 will appear in the matrix X k :
В векторе dk - дополнительный элемент dk+1, это позволяет установить рекуррентную связь произведения Xk+1X'k+1 с произведением XkX'k:In the vector d k is an additional element d k+1 , this allows you to establish a recursive connection between the product X k+1 X' k+1 and the product X k X' k :
а также рекуррентную связь произведения Xk+1dk+1 с произведением Xkdk:as well as the recurrent connection of the product X k+1 d k+1 with the product X k d k :
Введем переменную:Let's introduce a variable:
Тогда с учетом новой переменной:Then, given the new variable:
Результатом выполнения операций в квадратных скобках будет скаляр, для которого операция обращения соответствует возведению в минус первую степень:The result of performing operations in square brackets is a scalar, for which the inversion operation corresponds to raising to the minus first power:
С учетом обозначения Pk+1:Taking into account the designation P k+1 :
С учетом wk=PkXkdk:Taking into account w k =P k X k d k :
Выражение в квадратных скобках является сигналом ошибки ek+1:The expression in square brackets is the error signal e k+1 :
Множитель перед этим сигналом представляет собой вектор коэффициентов усиления:The multiplier in front of this signal is a vector of gains:
Тогда рекуррентную формулу в процедуре RLS можно представить в виде:Then the recursive formula in the RLS procedure can be represented as:
Процедура RLS включает в себя следующие шаги:The RLS procedure includes the following steps:
1. Задать начальные (обычно нулевые) значения параметров АР (W-1).1. Set the initial (usually zero) values of the AR parameters (W -1 ).
2. Задать начальные значения элементам матрицы Р-1. Рекомендуется использовать единичную матрицу.2. Set the initial values for the elements of the matrix P-1. It is recommended to use the identity matrix.
3. Присвоить k=0.3. Assign k=0.
4. Вычислить значения выходного сигнала yk и сигнала ошибки ek:4. Calculate the values of the output signal y k and the error signal e k :
5. Вычислить значение вектора коэффициентов усиления Kk:5. Calculate the value of the gain vector K k :
6. Обновить матрицу Pk с учетом вектора весовых коэффициентов:6. Update the matrix P k taking into account the vector of weight coefficients:
7. Обновить значение вектора весовых коэффициентов Wk:7. Update the value of the weight vector W k :
8. Присвоить k=k+1.8. Assign k=k+1.
9. Повторить пп. 4 - 8.9. Repeat paragraphs. 4 - 8.
С помощью предлагаемого способа, известный критерий модифицируем, добавив в него коэффициент забывания λ, выбираемый из диапазона 0<λ≤1, что позволяет учитывать предшествующие отсчеты входного сигнала в критерии с экспоненциально уменьшаемым весом:Using the proposed method, we modify the well-known criterion by adding a forgetting factor λ selected from the
Тогда:Then:
Способ адаптации антенной решетки градиентной процедурой с переменным шагом состоит в том, что определенным образом выбираются начальные условия для градиентной процедуры в виде нулевых значений весового вектора и единичной мгновенной оценки матрицы входных сигналов, с последующим итерационным вычислением выходного сигнала, сигнала ошибки, коэффициента усиления линейного рекуррентного фильтра. Введен переменный вектор коэффициентов усиления, зависящий от коэффициента забывания, учитывающий предшествующие отсчеты входного сигнала в критерии с экспоненциально уменьшаемым весом, кроме того вычисляется мгновенное значение оценки матрицы входных сигналов и весового вектора, определяющего мгновенную диаграмму направленности антенной решетки, с учетом выбираемого из условия принадлежности к диапазону от нуля до единицы коэффициента забывания, при вычислении коэффициента усиления и мгновенного значения оценки матрицы входных сигналов.The method for adapting the antenna array by a gradient procedure with a variable step consists in the fact that the initial conditions for the gradient procedure are chosen in a certain way in the form of zero values of the weight vector and a single instantaneous estimate of the matrix of input signals, followed by iterative calculation of the output signal, error signal, linear recurrent gain filter. A variable vector of gain factors is introduced, which depends on the forgetting factor, taking into account the previous samples of the input signal in the criterion with an exponentially decreasing weight, in addition, the instantaneous value of the estimate of the matrix of input signals and the weight vector that determines the instantaneous radiation pattern of the antenna array are calculated, taking into account the value chosen from the condition of belonging to the range from zero to unity of the forgetting factor, when calculating the gain factor and the instantaneous value of the evaluation of the matrix of input signals.
Предлагаемый способ поясняется графическим материалом, представленным на фиг. 1-3, из которых видно, что процедура RLS, согласно предлагаемому способу, обеспечивает более быструю сходимость результатов, по сравнению с классической, однако имеет большую дисперсию сигнала ошибки, поэтому коэффициент забывания λ выбирается из компромиссных решений:The proposed method is illustrated by the graphic material presented in Fig. 1-3, from which it can be seen that the RLS procedure, according to the proposed method, provides faster convergence of results compared to the classical one, however, it has a larger error signal dispersion, so the forgetting factor λ is chosen from compromise solutions:
- при увеличении λ, дисперсия шума уменьшается, а при предельном значении λ=1 модифицированная процедура сводится к классической;- with an increase in λ, the noise dispersion decreases, and at the limit value λ=1, the modified procedure is reduced to the classical one;
- при уменьшении λ увеличивается скорость сходимости результатов.- when λ decreases, the rate of convergence of results increases.
Таким образом, с помощью предлагаемого способа достигается уменьшение, практически в два раза, количества итераций, обеспечивающих сходимость результатов, что позволяет использовать способ адаптации антенной решетки градиентной процедурой с переменным шагом в условиях быстро изменяющейся сигнально-помеховой обстановки в радиотехнических системах передачи информации, с увеличенной скоростью сходимости процедуры адаптации антенной решетки.Thus, with the help of the proposed method, the number of iterations, which ensure the convergence of the results, is almost halved, which makes it possible to use the method of adapting the antenna array by a gradient procedure with a variable step in a rapidly changing signal-interference environment in radio engineering information transmission systems, with increased convergence rate of the antenna array adaptation procedure.
ЛитератураLiterature
1. Монзинго Р.А., Миллер Т.У. Адаптивные антенные решетки. Введение в теорию. - М.: Радио и связь, 1986. - 448 с.1. Monzingo R.A., Miller T.W. Adaptive antenna arrays. Introduction to theory. - M.: Radio and communication, 1986. - 448 p.
2. Уидроу Б., Стирнз С. Адаптивная обработка сигналов. - М.: Радио и связь, 1989. - 440 с.2. Widrow B., Stearns S. Adaptive signal processing. - M.: Radio and communication, 1989. - 440 p.
3. Пистолькорс А.А., Литвинов О.С. Введение в теорию адаптивных антенн - М.: Наука, 1991. - 200 с.3. Pistolkors A.A., Litvinov O.S. Introduction to the theory of adaptive antennas - M.: Nauka, 1991. - 200 p.
4. Джиган В.И. Адаптивная фильтрация сигналов: теория и алгоритмы. - М.: Техносфера, 2013. - 528 с.4. Dzhigan V.I. Adaptive filtering of signals: theory and algorithms. - M.: Technosfera, 2013. - 528 p.
5. Солонина А.И. Цифровая обработка сигналов в зеркале Matlab. СПб.: БХВ. 2018.5. Solonin A.I. Digital signal processing in Matlab mirror. St. Petersburg: BHV. 2018.
Claims (2)
Publications (2)
Publication Number | Publication Date |
---|---|
RU2788589C1 RU2788589C1 (en) | 2023-01-23 |
RU2788589C9 true RU2788589C9 (en) | 2023-05-25 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2804839C1 (en) * | 2023-03-03 | 2023-10-06 | Российская Федерация, от имени которой выступает Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации | Method for full duplex multi-input multi-output (mimo) precoding system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU94039019A (en) * | 1994-10-10 | 1996-09-10 | Военная академия связи | Antenna array adapting method |
KR20020010062A (en) * | 2000-07-28 | 2002-02-02 | 윤종용 | The Apparatus and Method of Receive Adaptive Antenna Array Based on Tangential Gradient Method |
DE69805840D1 (en) * | 1997-12-19 | 2002-07-11 | Siemens Inf & Comm Networks | METHOD FOR DIFFERENTIATING A DESIRED SIGNAL FROM A VARIETY OF SAME-CHANNEL INTERFERERS RECEIVING GROUP ANTENNAS FROM BASE STATIONS FOR CELLULAR TELECOMMUNICATIONS AND RECEIVERS THEREFOR |
US20150318611A1 (en) * | 2014-05-02 | 2015-11-05 | Parkervision, Inc. | Antenna array for communication system |
RU2695417C1 (en) * | 2018-11-13 | 2019-07-23 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет" (ДГТУ) | Method for noise-immune gradient selection of object contours on digital halftone images |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU94039019A (en) * | 1994-10-10 | 1996-09-10 | Военная академия связи | Antenna array adapting method |
DE69805840D1 (en) * | 1997-12-19 | 2002-07-11 | Siemens Inf & Comm Networks | METHOD FOR DIFFERENTIATING A DESIRED SIGNAL FROM A VARIETY OF SAME-CHANNEL INTERFERERS RECEIVING GROUP ANTENNAS FROM BASE STATIONS FOR CELLULAR TELECOMMUNICATIONS AND RECEIVERS THEREFOR |
KR20020010062A (en) * | 2000-07-28 | 2002-02-02 | 윤종용 | The Apparatus and Method of Receive Adaptive Antenna Array Based on Tangential Gradient Method |
US20150318611A1 (en) * | 2014-05-02 | 2015-11-05 | Parkervision, Inc. | Antenna array for communication system |
RU2695417C1 (en) * | 2018-11-13 | 2019-07-23 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет" (ДГТУ) | Method for noise-immune gradient selection of object contours on digital halftone images |
Non-Patent Citations (2)
Title |
---|
Статья: "МЕТОДИКА ПРОСТРАНСТВЕННО-ВРЕМЕННОЙ ОБРАБОТКИ И ЕЕ РЕАЛИЗАЦИИ В АДАПТИВНЫХ АНТЕННЫХ РЕШЕТКАХ", Известия ТулГУ. Технические науки. 2020. Вып. 11. * |
Статья: МОДЕЛИРОВАНИЕ ГРАДИЕНТНОГО АЛГОРИТМА АДАПТАЦИИ АНТЕННОЙ РЕШЁТКИ В СРЕДЕ MATLAB", Радиотехнические и телекоммуникационные системы, 2022, номер 1. Статья: "Алгоритм адаптации для антенной решетки систем космической связи в стационарных условиях сигнально- помеховой обстановки", Ж.ИНФОРМАЦИЯ и КОСМОС номер 4, 2016. * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2804839C1 (en) * | 2023-03-03 | 2023-10-06 | Российская Федерация, от имени которой выступает Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации | Method for full duplex multi-input multi-output (mimo) precoding system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
USRE44219E1 (en) | Adaptive receiving system and method for MIMO | |
Hadhoud et al. | The two-dimensional adaptive LMS (TDLMS) algorithm | |
Lukac | Adaptive color image filtering based on center-weighted vector directional filters | |
US20020191779A1 (en) | System for convolutional echo cancellation by iterative autocorrelation | |
US7167884B2 (en) | Multistage median cascaded canceller | |
JP6693681B2 (en) | Radar equipment | |
CN113094904B (en) | Array antenna beam forming optimization method under non-convex multi-constraint | |
US20020032015A1 (en) | Radio equipment capable of real time change of antenna directivity and doppler frequency estimating circuit used for the radio equipment | |
US6545715B1 (en) | Apparatus and method for controlling focus using adaptive filter | |
US6904444B2 (en) | Pseudo-median cascaded canceller | |
US20080260141A1 (en) | Method and apparatus for enhanced convergence of the normalized LMS algorithm | |
RU2788589C9 (en) | Method for adapting an antenna array by a gradient procedure with variable pitch | |
RU2788589C1 (en) | Method for adapting an antenna array by a gradient procedure with variable pitch | |
Buck et al. | A performance-weighted blended dominant mode rejection beamformer | |
Kuzminskiy et al. | Regularized semi-blind estimation of spatio-temporal filter coefficients for mobile radio communications | |
Mishra et al. | Analysis of LMS, RLS and SMI algorithm on the basis of physical parameters for smart antenna | |
US9825693B1 (en) | Method and apparatus for symbol measurement and combining | |
KR101773481B1 (en) | Phased array antenna system | |
Marcel et al. | An efficient algorithm for removal of impulse noise using Adaptive Fuzzy Switching Weighted Median Filter | |
Azebaze et al. | Performance analysis of the LMS adaptive algorithm for adaptive beamforming | |
Pushpavalli et al. | Image enhancement using adaptive neuro-fuzzy inference system | |
CN111478723A (en) | Method and device for adaptively calculating forming factor | |
Jamel | Performance evaluation of the fast euclidean direction search algorithm for adaptive beamforming applications | |
Lee et al. | Adaptive decision-feedback generalised sidelobe canceller against desired signal and interference non-stationarity | |
Senapati et al. | Performances of some combined algorithms for adaptive beamforming in smart antenna using linear array |